The accurate localization of maneuvering vehicles using wireless signals has attracted significant research attention. The objective of wireless signal-based localization is to track the geometric position of a mobile unit (MU) in real time using measurements such as the time of arrival, angle of arrival, time difference of arrival (TDOA), or received signal strength obtained through three or more distributed receiver units (RUs). However, in practical localization applications, wireless-signal-based measurement noise may have a heavy-tailed and/or skewed non-Gaussian distribution, given that the line-of-sight path between the MU and RUs is generally obstructed because of complex surrounding environments. This type of abnormal measurement may be positively biased with a high probability and can, therefore, be considered as a heavy-tailed/skewed outlier measurement. Moreover, a single heavy-tailed/skewed outlier measurement may induce the divergence of a Gaussian-assumption-based filter such as the conventional Kalman filter and the extended Kalman filter. Thus, an appropriate algorithm for the suppression of the effects of heavy-tailed/skewed outlier measurements is required for the robust localization of the MU. Heavy-tailed outlier measurement noise can be mainly classified as symmetric and asymmetric probability density functions, and robust algorithms are required for these two noise types, respectively.
First, this study proposes a novel skewed outlier-robust localization algorithm that is based on TDOA measurements at an airport. In this study, a novel outlier-robust filtering framework was derived based on the skew Gaussian-gamma mixture (SGGM) distribution, where the state, a mixing parameter, shape parameter, scale matrix, and the degrees of freedom (DOFs) were inferred simultaneously using the variational Bayesian (VB) approach. An interacting multiple-model (IMM) filter with different kinematic system models was implemented to process the multimodal dynamics of the vehicle, thereby yielding the IMM-SGGM algorithm. In particular, a new measurement likelihood based on the SGGM distribution was derived based on the VB inference for the combined procedure in the proposed IMM-SGGM algorithm. Car-mounted experiments were conducted based on TDOA measurements at an airport to verify the effectiveness of the proposed algorithm. The performance of the proposed IMM-SGGM algorithm was evaluated based on comparisons with state-of-the-art approaches. The experimental results indicate that the proposed IMM-SGGM algorithm demonstrates a superior localization accuracy and robustness with respect to skewed outlier measurements in comparison with the state-of-the-art approaches.
Second, this study proposes a novel outlier-robust localization algorithm based on TDOA measurements at an airport for multilaterations surveillance. In this study, an outlier-robust filtering scheme was derived based on Student's-t distribution, where the state, a scale matrix, and a DOF parameter were simultaneously estimated using VB inference. An IMM filter with different system models was implemented to process the multimodal dynamics of the aircraft, thereby yielding the IMM-Student's-t algorithm. In particular, the likelihood function was derived using the VB inference for the combination procedure in the proposed IMM-Student's-t algorithm. The experimental results obtained from a flight test using a commercial aircraft at an airport indicate that the proposed IMM-Student's-t algorithm demonstrates a superior localization accuracy and robustness with respect to outlier measurements than the existing state-of-the-art
무선 신호를 사용하여 이동하는 목표물의 정확한 위치를 추정하는 시스템은 항공교통관제 시스템, 레이더 시스템, 미사일 추적 시스템 등의 다양한 분야에서 활용되고 있다. 하지만, 복잡한 주변 신호 환경으로 인해 이동하는 물체와 수신기 사이의 가시 거리가 방해되기 때문에 이상측정치 (outlier measurement)가 발생할 수 있으며, 이러한 이상측청지는 위치추정 시스템의 추정 성능을 심각하게 저하시킬 수 있다. 본 논문에서 다루는 heavy-tailed 특성을 가지는 이상 측정 노이즈는 대칭 (symmetric) 및 비대칭 (asymmetric) 확률분포로 분류 할 수 있으며, 이러한 노이즈의 영향을 최소화 하기 위한 강건한 필터링 알고리즘은 정확한 위치 추정 성능을 위해서 필수적인 요소이다. 본 논문에서는 이상측정치 신호가 발생하는 신호 환경에서 다중 모델을 가지는 목표물의 위치를 추적하기 위한 알고리즘을 다음과 같이 제안한다.
첫번째로, 본 논문은 비대칭적인 이상 측정치에 강건한 새로운 위치추정 알고리즘을 제안한다. 새로운 필터링 프레임 워크는 SGGM (skew Gaussian-gamma mixture) 분포를 기반으로 유도되며, 상태변수 (state), 혼합 매개 변수 (mixing parameter), 모양 매개 변수 (shape parameter), 스케일 매트릭스 (scale matrix) 및 자유도 파라미터 (degrees of freedom)는 변분 추론 기법을 통해 동시에 추론한다. 차량의 다중 모델을 추정하기 위해 IMM (interacting multiple-model) 필터가 사용되며, 본 논문에서는 IMM-SGGM 알고리즘을 제안한다. 특별히, SGGM 분포에 기초한 측정 우도 (measurement likelihood)는 제안된 IMM-SGGM 알고리즘의 변분 추론 기법을 이용하여 유도된다. 공항에서 TDOA 측정에 기반하여 지상 차량 실험을 수행하여 제안된 IMM-SGGM 알고리즘의 성능을 검증하였으며, 기존의 최신 알고리즘과 비교를 통해 평가하였다. 지상 실험결과는 제안된 IMM-SGGM 알고리즘이 기존 알고리즘보다 비대칭적인 이상측정치에 대해 더 나은 정확도와 강건성을 보이는 것을 확인할 수 있었다.
두번째로, 본 논문은 대칭적인 이상 측정치에 강건한 새로운 위치 추정 알고리즘을 제안한다. 새로운 필터링 프레임 워크는 Student's-t 분포를 기반으로 유도되며, 상태변수, 스케일 매트릭스 및 자유도 파라미터는 변분 추론을 통해 동시에 추정된다. 마지막으로, 제안된 변분 추론은 표준 베이지안 필터의 측정 업데이트에 통합되며 등속 (constant velocity), 등가속 (constant acceleration) 및 선회 (coordinate turn) 모델은 항공기의 다중 모델을 나타 내기 위해 구현된다. 특별히, Student's-t-분포에 기초한 측정 우도는 제안된 IMM-Student's-t 알고리즘의 변분 추론 기법을 이용하여 유도된다. 공항에서 제안된 IMM-Student's-t 알고리즘의 성능을 검증하기 위해 다양한 비행 시나리오를 기반으로 유인 비행 시험을 수행하였으며, 기존의 최신 알고리즘과 비교를 통해 평가하였다. 비행 실험결과는 제안된 IMM-Student's-t 알고리즘이 기존 알고리즘보다 대칭적인 이상 측정치에 대해 더 나은 정확도와 강건성을 보이는 것을 확인할 수 있었다.
